C003-贾园园-城市供水处理混凝投药过程的建模与控制

发布时间:2015-11-23 18:01:35来源:本站原创

 摘 要: 混凝投药通过投加混凝剂除去原水中的杂质及其他有害物质,是城市供水过程中的重要环节之一,这一过程效果的好坏将直接影响后续处理工艺及出水水质的好坏。该过程具有影响因素多、大滞后性和非线性等特征,实际控制难度较大。本文基于广州南沙水厂提供的9397个投药控制数据,尝试构建一种基于BP神经网络混凝投药控制模型,来预测混凝剂的最佳投药量。

       对于原数据集有缺失值情况,本文做基本预处理,用三次样条插值法对出水浊度进行插值估算,并剔除5 外的极端异常值,按照出水浊度小于1.10NTU的标准,筛选出投药合格的6143个数据,以此作为样本数据。
  针对第(1)问,本文运用平流沉淀理论,求得原水混凝沉淀到出水结束的滞后时间,约为80分钟,在实际范围70min--120min内。
       针对第(2)问,本文以原水浊度、原水流速、原水PH值三个因素作为BP神经网络模型的输入神经元参数,对混凝剂投加量的训练样本和测试样本进行分析,得到预测的最佳投药量;
       针对第(3)问,在第二问之上,增加出水浊度做为输入参数再次建立BP神经网络模型,并与第(2)问的模型进行比较。为了比较模型性能,我们又建立多元线性回归模型,找出四个变量与投药量的回归方程,通过在训练样本与测试样本上的预测效果,对BP神经网络模型和多元回归模型进行比较,分析绝对误差等指标,发现BP神经网络具有更强的非线性逼近能力,能够对投药量进行很好的仿真和预测效果。
      针对第(4)问,本文查找文献[8],引入温度数据,验证文献[9]的理论模型,通过对数变换化为线性模型,并对模型的整体显著性和温度系数的显著性作检验,但是最后结果表明系数的显著性并不强,即温度对投药量的影响并不大,并从有关化学理论角度对此结果进行解释。                                                    

关键词: 混凝投药;平流沉淀理论;BP神经网络;多元线性回归;最佳投药量

 

阅读全文

公众号
返回
顶部
请关注“官方公众号”
Copyright © 2013-2016   广州泰迪智能科技有限公司   技术支持   粤ICP备14098620号